随着互联网的迅速发展，人们获取信息的方式渐渐从纸制阅读的报纸、杂志、书籍转化为互联网的电子阅读，与此同时，各传媒企业也逐渐把重心调整到电子传播方式上，例如新浪、搜狐等门户网站的兴起，使得网络的信息传播更加复杂多样且数量繁多，往往一个网页就包含了各种类型的信息，浪费用户大量时间，给用户查看新闻内容带来不少的麻烦。为了使用户更方便的查阅网络信息，本文设计了一个特定新闻门户网站的信息获取系统。在此系统上，我们可以提取并显示新闻网站上的主要信息而避开其他类型信息（如广告信息）的干扰，使用户的阅读更具目的性，便于用户的信息阅读。主要工作包括：1）针对特定的新闻门户网站，对该新闻信息获取系统进行总体设计。该系统主要三层，分别为应用层、业务逻辑层和数据层。2）使用网络爬虫对特定的新闻门户网站进行抓取，本文以国内著名新闻门户网站搜狐新闻为例。3）在2）的基础上，对新闻网页的标签进行深入分析，将抓取到的新闻网页首先进行预处理，然后建立对应的DOM树，随后进行网页解析，最终达到对新闻门户网站的正文提取的目的。实验结果表明，该系统方案切实可行，初步实现了对特定新闻门户网站的信息获取。本文在Windows7操作系统下进行，使用java作为编程语言，使用MyEclipse作为开发工具构建一个特定新闻门户网站的信息获取系统。本系统是一个交互式的、动态的、对新闻具有多处理功能的新闻门户网站信息获取系统，方便用户使用。用户可以利用该系统进行搜索新闻、浏览新闻、查看上/下一页新闻、查看新闻原网页、清除新闻等功能。